明天10:00「国际科技信息中心SCITIC论坛」细胞，基因和人工智能：探索医学研究的未来...

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

随着科技的不断进步，我们现在拥有了许多前所未有的工具和技术，可以更深入地研究和了解人体内部的细胞和基因。人工智能技术的发展，也为医学研究带来了全新的机遇。例如，人工智能技术的应用可以帮助我们更快速、准确地识别基因变异，并为药物研发提供更准确的模型。这些技术的发展将有助于提高医学研究的精度和效率，从而更好地服务于人类健康。

2023年3月22日10点至12点，国际科技信息中心SCITIC论坛第4期"细胞，基因和人工智能：探索医学研究的未来"邀请了加拿大魁北克省人工智能研究中心(Mila)副教授唐建、苏州大学研究员，博士生导师王后禹、中国人民大学高瓴人工智能学院助理教授，博士生导师黄文炳，三位嘉宾将从细胞和基因的角度，带领观众了解与思辨人工智能技术将如何改变我们对医学研究的认识和应用。让我们一起探索医学研究的未来吧！

哔哩哔哩直播通道

扫码关注AI TIME官方账号预约直播

3月22日 10:00-12:00

讲者简介

唐建：

Ph.D., is currently an associate professor at Mila - Quebec AI Institute, a leading AI Institute in Canada founded by A.M. Turing Award laureate Yoshua Bengio. He is a Canada CIFAR AI Research Chair. Dr. Tang is also the founder and CEO of BioGeometry, an AI startup focusing on antibody discovery. His main research interests are graph representation learning, graph neural networks, geometric deep learning, deep generative models, knowledge graphs, and drug discovery. He is one of the most representative researchers in the growing field of graph representation learning and has published a set of representative works in this field such as LINE and RotatE. His work LINE on node representation learning has been widely recognized and has been cited more than 5,000 times. His group recently released an open-source machine learning package, called TorchDrug and TorchProtein, aiming to make AI drug discovery software and libraries freely available.

报告题目

Generative Biology: Towards Building the “ChatGPT” in Biology

报告简介

We are currently at the intersection of the AI and biology revolutions. On one hand, generative AI has made great breakthroughs recent years such as the ChatGPT, which is trained on a huge amount of text and code data and is able to have conversations with humans by generating very reasonable responses; on the other hand, biotechnology represented by high-throughput gene sequencing, editing and synthesizing generate a huge amount of data for biomolecule understanding, creating a new era for AI. The deep fusion of the two revolutionary technologies has brought great opportunities for the generation of completely new drug molecules. In this talk, I will share my thoughts on how to build the generative AI or the “ChatGPT” in biology and also share some of our work along this direction.

讲者简介

王后禹：

现任苏州大学功能纳米与软物质研究院研究员，博士生导师，苏州市纳米技术与生物医药重点实验室副主任，2013年在上海交通大学取得博士学位，之后加入苏州大学开展博士后研究，合作导师为何耀教授。迄今为止，王后禹研究员共发表SCI论文50余篇，其中以第一作者或通讯作者身份发表论文40余篇，包括《分析化学》（Anal. Chem.） 15篇、《自然通讯》（Nat. Commun.） 3篇、《德国应用化学》（Angew. Chem. Int. Ed.）2篇和《美国化学会志》（J. Am. Chem. Soc.）1篇；3项国家专利获得授权；主持包括国家自然科学基金面上项目、国家自然科学基金青年项目、江苏省自然科学基金面上项目等十余项科研项目。王后禹研究员学生培养成效突出，为本科生讲授 4 门课程，其主讲的《纳米新纪元》为国家级精品课程（教育部“精品视频公开课”），所培养的硕士研究生有1人获得江苏省优秀硕士论文，2人获得国家奖学金。王后禹研究员近年来利用硅纳米材料独特的光学特性和丰富的表面化学特性，将新型的硅纳米结构（如石墨烯/金/银纳米颗粒装饰的硅纳米线或硅片等）用于设计和制造高质量的表面增强拉曼散射（SERS）传感芯片，该芯片具有低成本、便携性、高灵敏、高特异、重现性好等特点。尤其是，硅基纳米SERS芯片在收集和构建数据库方面具有一些优势（例如，独特和丰富的本征指纹信息，非侵入性的数据采集过程，强大的抗干扰能力，等等）。因此，硅纳米SERS芯片有望帮助人工智能在快速和准确的临床诊断中做出决策。

报告题目

用于临床诊断的硅基SERS-AI芯片

报告简介

基于我们小组最近的研究工作，我们将回顾硅基表面增强拉曼散射（SERS）-人工智能（AI）芯片在传感应用领域的最新进展。利用硅纳米材料独特的光学特性、良性的生物相容性和丰富的表面化学特性，新型的硅纳米结构（如石墨烯/金/银纳米颗粒装饰的硅纳米线或硅片等）已被用于设计和制造高质量的SERS传感器，具有低成本、便携性、足够的灵敏度、高特异性、良好的可重复性和复用检测能力。在此基础上，开发了可重复的和敏感的硅基SERS传感平台，以实现从分子水平到细胞水平的各种目标的敏感、选择性和复用分析。特别值得注意的是，基于硅纳米薄膜的SERS基底在收集和构建数据库方面具有一些优势（例如，独特和丰富的内在指纹信息，非侵入性的数据采集过程，强大的抗干扰能力，等等）。因此，硅纳米薄膜芯片可以作为一个有前途的工具，用于生产大规模和可靠的数据库，有可能帮助人工智能在快速和准确的临床诊断中做出决策。

讲者简介

黄文炳：

中国人民大学高瓴人工智能学院助理教授、博导。曾在清华大学产业研究院担任助理研究员，腾讯AI Lab担任高级研究员。研究方向包括几何机器学习理论方法、几何机器学习在机器人感知与决策任务上的应用、科学知识嵌入的几何机器学习等。尤其在图神经网络方面，与合作者做出了若干工作：提出了训练深度图神经网络的方法DropEdge，获得了国内外同行一定的关注，被集成到若干公开图学习平台（如PyG）；提出了面向大规模图的图神经网络高效训练方法AS-GCN，成功应用到腾讯亿级社交网络的风控业务。曾获国际会议NeurIPS Open Catalyst比赛冠军、IROS机器人比赛冠军、腾讯犀牛鸟专项研究卓越奖、NeurIPS Outstanding Reviewer等奖项。

报告题目

面向分子系统的图神经网络模型设计

报告简介

生命科学中的药、蛋白质、抗体、RNA等物质分子具有特定的空间几何结构，构成了一类重要的数据形态——几何图。与社交网络中的拓扑图不同，几何图中的节点占据了一定的空间位置，需要满足某些内蕴的物理性质，比如对称性，导致传统的图神经网络难以处理几何图。近年来，等变图神经网络由于有效嵌入了对称性，具有良好的解释性、泛化性和通用性，在分子系统表示上得到了广泛应用。本报告讲数理等变图神经网络的发展概况，并且介绍课题组近期在分子动力学模拟、分子结构表示学习、小分子生成、抗体设计与优化等重要科学任务上的应用情况。最后，报告简单展望ChatGPT影响下图机器学习的潜在研究方向。

Panel

嘉宾：唐建、王后禹、黄文炳

主持人：赵俊杰，太魔人

1）未来人工智能会代替医生吗？由人工智能带来的医疗事故谁来负责呢？

2）打造类似ChatGPT的生物基座大模型会面临哪些挑战？

3）Word可一键生成PPT，GPT-4植入微软Office全家桶，全球打工人似乎要被革命了，打造类似ChatGPT的生物基座大模型，是否会导致相关岗位人员的就业危机？会改善传统的医疗服务模式吗？

大家可以在群内进行提问，请添加“AI TIME小助手（微信号：AITIME_HY）”，回复“SCITIC”，将拉您进群！